專(zhuān)利名稱(chēng)：基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感影像信息處理技術(shù)領(lǐng)域，特別是一種基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法。
背景技術(shù)：
當(dāng)前，MODIS等衛(wèi)星遙感系統(tǒng)能夠提供每日覆蓋全球的遙感影像數(shù)據(jù)，為監(jiān)測(cè)地表覆蓋變化特征提供了詳實(shí)的數(shù)據(jù)基礎(chǔ)。如何合理地利用遙感影像的時(shí)序信息進(jìn)行自動(dòng)、半自動(dòng)分類(lèi)是一項(xiàng)十分重要的工作。遙感影像分類(lèi)方法大致可以分為兩大類(lèi)別第一類(lèi)是傳統(tǒng)的基于空間聚類(lèi)思想的算法，很多常用的算法屬于這種類(lèi)型，如最大似然判別法、神經(jīng)元網(wǎng)絡(luò)分類(lèi)法、模糊分類(lèi)法、最小距離分類(lèi)法與Fisher判別分類(lèi)法以及各種空間聚類(lèi)方法；第二類(lèi)為新型的基于時(shí)序特征的分類(lèi)方法，應(yīng)用到土地覆蓋或農(nóng)作物監(jiān)測(cè)領(lǐng)域也稱(chēng)為物候法，該類(lèi)方法充分挖掘不同地物在不同時(shí)間、不同季節(jié)的時(shí)序特征進(jìn)行分類(lèi)。第一類(lèi)方法的不足之處在于它非常依賴(lài)使用者的經(jīng)驗(yàn)和單期影像數(shù)據(jù)本身的質(zhì)量，并且由于信息的維度有限，同物異譜和異物同譜的現(xiàn)象非常普遍，已經(jīng)成為深入應(yīng)用的最大瓶頸；第二類(lèi)方法的優(yōu)越之處顯而易見(jiàn)，但由于該方法提出的時(shí)間不長(zhǎng)，正處在發(fā)展階段，需要開(kāi)展更深入的研究工作。目前第二類(lèi)方法的研究重點(diǎn)集中在如何從多維時(shí)序特征中提取出有效的參數(shù)用于遙感影像分類(lèi)，主要的方法有統(tǒng)計(jì)參數(shù)法(均值、方差、極值等)、歐式距離法、決策樹(shù)法以及基于離散小波變換的方法。這些研究方法能較好輔助提取遙感影像中地物的時(shí)序特征，一定程度上為遙感影像半自動(dòng)分類(lèi)奠定了基礎(chǔ)，因此近年來(lái)在一定范圍內(nèi)取得了較好的應(yīng)用效果。然而，每種不同的地物類(lèi)型在不同尺度維、時(shí)間維等多個(gè)維度上都有其特征，上述方法無(wú)法完整有效地提取這些特征，從而影響了分類(lèi)的精度與效率。因此，非常需要引入一種新型遙感影像半自動(dòng)分類(lèi)方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，該方法分類(lèi)精度高，自動(dòng)化程度高，魯棒性好。為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是一種基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，包括以下步驟
步驟1:基于一定時(shí)間步長(zhǎng)為間隔的年內(nèi)時(shí)序變化系列遙感影像數(shù)據(jù)集，建立若干已知地物的年內(nèi)時(shí)序變化原始圖譜；
步驟2 :分別基于Morlet小波和墨西哥帽小波，對(duì)已知地物的年內(nèi)時(shí)序變化原始圖譜進(jìn)行連續(xù)小波變換，獲得基于Morlet小波變換的小波系數(shù)譜和基于墨西哥帽小波變換的小波系數(shù)譜；
步驟3 :利用基于墨西哥帽小波變換的小波系數(shù)譜計(jì)算基于時(shí)間維的小波方差，利用基于Morlet小波變換的小波系數(shù)譜計(jì)算基于尺度維的小波方差，從而分別建立所述若干已知地物的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜； 步驟4 :導(dǎo)入待分類(lèi)影像，參照步驟f 3，建立待分類(lèi)影像中每個(gè)柵格單元的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜；
步驟5 :分別基于所述若干已知地物類(lèi)型的類(lèi)間區(qū)分度最大化的原則，以基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜為依據(jù)，確定最適宜分類(lèi)的時(shí)間域與尺度域區(qū)間，作為下一步分類(lèi)判別的基礎(chǔ)；
步驟6 :依據(jù)基于時(shí)間維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的時(shí)間域范圍內(nèi)，計(jì)算待分像元與每種已知地物的基于時(shí)間維的小波方差譜的圖像相似度或分離度，如果所述待分像元與某種已知地物的基于時(shí)間維的小波方差譜的距離最小且距離在設(shè)定的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型；
否則，進(jìn)一步依據(jù)基于尺度維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的尺度域范圍內(nèi)，計(jì)算待分像元與每種已知地物的基于尺度維的小波方差譜的圖像相似度或分離度，如果所述待分像元與某種已知地物的基于尺度維的小波方差譜的距離最小且距離在設(shè)定的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型；
如果依據(jù)基于時(shí)間維的小波方差譜以及基于尺度維的小波方差譜均未能獲得合理的分類(lèi)結(jié)果，則進(jìn)一步補(bǔ)充研究區(qū)中的已知地物類(lèi)型，直至研究區(qū)每個(gè)像元均獲得合理的分類(lèi)結(jié)果為止。與現(xiàn)有技術(shù)相比，本發(fā)明具有較少依賴(lài)先驗(yàn)知識(shí)、魯棒性好、分類(lèi)精度好、自動(dòng)化程度高等特點(diǎn)，主要體現(xiàn)在(I)本發(fā)明分別利用Morlet小波和墨西哥帽小波進(jìn)行連續(xù)小波變換，獲得不同地物類(lèi)別在不同時(shí)間域與尺度域上的小波系數(shù)譜，能同時(shí)從時(shí)間與尺度兩個(gè)方面綜合刻畫(huà)地物特征，極大地豐富了分類(lèi)樣本的信息維度，為遙感影像高精度半自動(dòng)分類(lèi)奠定了基礎(chǔ)；(2)基于最佳分離度的思想，選取已知地物之間區(qū)分度最大的時(shí)間域與尺度域區(qū)間，構(gòu)建用于基于時(shí)序特征的遙感影像分類(lèi)的特征空間，可以有效地避免因?yàn)橐阎獦颖緟^(qū)分度不高帶來(lái)的誤判現(xiàn)象的發(fā)生；(3)基于圖像相似度匹配的思想，綜合待分類(lèi)像元與已知地物的時(shí)間與基于尺度維的小波方差譜的距離進(jìn)行遙感影像自動(dòng)判別分類(lèi)，同時(shí)充分合理地利用基于時(shí)間維與尺度維多個(gè)維度上的信息，具有很好的魯棒性與自適應(yīng)性。


圖1是本發(fā)明實(shí)施例的實(shí)現(xiàn)流程圖。圖2是本發(fā)明實(shí)施例的綜合判別體系的流程圖。
具體實(shí)施例方式本發(fā)明基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，包括以下步驟
步驟1:基于一定時(shí)間步長(zhǎng)為間隔的年內(nèi)時(shí)序變化系列遙感影像數(shù)據(jù)集，建立若干已
知地物的年內(nèi)時(shí)序變化原始圖譜，如基于MODIS EVI指數(shù)的若干農(nóng)作物的年內(nèi)時(shí)序變化原始圖譜，以此作為遙感影像半自動(dòng)分類(lèi)的先驗(yàn)知識(shí)和基礎(chǔ)；
步驟2 :分別基于Morlet小波和墨西哥帽小波，對(duì)已知地物的年內(nèi)時(shí)序變化原始圖譜進(jìn)行連續(xù)小波變換，獲得基于Morlet小波變換的小波系數(shù)譜和基于墨西哥帽小波變換的小波系數(shù)譜；小波系數(shù)譜，從時(shí)間與尺度兩個(gè)方面刻畫(huà)已知地物年內(nèi)變化信息，體現(xiàn)為一幅橫縱坐標(biāo)分別為時(shí)間維與頻率維的二維圖譜，與原始圖譜相比，同時(shí)還具有去噪的功能；步驟3 :利用基于墨西哥帽小波變換的小波系數(shù)譜計(jì)算基于時(shí)間維的小波方差，利用基于Morlet小波變換的小波系數(shù)譜計(jì)算基于尺度維的小波方差(基于時(shí)間維的小波方差time-averaged wavelet variance,簡(jiǎn)稱(chēng) TAWV,基于尺度維的小波方差 scale-averagedwavelet variance,簡(jiǎn)稱(chēng)SAWV),從而分別建立所述若干已知地物的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜；由于墨西哥帽小波為真正的對(duì)稱(chēng)小波，非常適合監(jiān)測(cè)時(shí)序信號(hào)中的峰值和谷值，而頻率變化信息獲取利用Morlet小波，由此分別建立基于墨西哥帽小波的時(shí)間維的小波方差譜以及基于Morlet小波的尺度維的小波方差譜；
步驟4 :導(dǎo)入待分類(lèi)影像，參照步驟f 3，建立待分類(lèi)影像中每個(gè)柵格單元的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜；
步驟5 :分別基于所述若干已知地物類(lèi)型的類(lèi)間區(qū)分度最大化的原則，以基于時(shí)間維
的小波方差譜和基于尺度維的小波方差譜為依據(jù)，確定最適宜分類(lèi)的時(shí)間域與尺度域區(qū)間，作為下一步分類(lèi)判別的基礎(chǔ)；
步驟6 :依據(jù)基于時(shí)間維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的時(shí)間域范圍內(nèi)，計(jì)算待分像元與每種已知地物的基于時(shí)間維的小波方差譜的圖像相似度或分離度，相似度或分離度計(jì)算選用Jeffries - Matusita距離,如果所述待分像元與某種已知地物的基于時(shí)間維的小波方差譜的距離最小且距離在某個(gè)合理的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型；否則，進(jìn)一步依據(jù)基于尺度維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的尺度域范圍內(nèi)，利用Jeffries-Matusita距離計(jì)算待分像元與每種已知地物的基于尺度維的小波方差譜的圖像相似度或分離度，如果所述待分像元與某種已知地物的基于尺度維的小波方差譜的距離最小且距離在某個(gè)合理的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型；
如果依據(jù)基于時(shí)間維的小波方差譜以及基于尺度維的小波方差譜均未能獲得合理的分類(lèi)結(jié)果，則進(jìn)一步補(bǔ)充研究區(qū)中的已知地物類(lèi)型，直至研究區(qū)每個(gè)像元均獲得合理的分類(lèi)結(jié)果為止。在本發(fā)明中，綜合從小波系數(shù)譜中提取的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜，作為遙感影像半自動(dòng)分類(lèi)的依據(jù)。下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。本發(fā)明實(shí)施例的流程參見(jiàn)附圖1。第一階段建立若干已知地物的年內(nèi)時(shí)序變化原始圖譜
依據(jù)研究區(qū)特點(diǎn)，確定若干已知地物類(lèi)型GV=i,名…,/O，基于研究區(qū)某個(gè)年份內(nèi)一定時(shí)間步長(zhǎng)為間隔的年內(nèi)時(shí)序變化系列遙感影像數(shù)據(jù)集，如每日的MODIS EVI指數(shù)數(shù)據(jù)集(后面以此為例進(jìn)行說(shuō)明)，建立若干已知地物的MODIS EVI指數(shù)的年內(nèi)時(shí)序變化原始圖譜。第二階段對(duì)原始圖譜進(jìn)行連續(xù)小波變換，獲得小波系數(shù)譜
對(duì)若干已知地物的年內(nèi)時(shí)序變化原始圖譜進(jìn)行連續(xù)小波變換，獲得連續(xù)小波變換后的小波系數(shù)譜，小波變換可表示為Ww (a,b) =I a f J /CO w(—)dt(I)
其中a3分別為尺度與時(shí)間參數(shù)，/ 為原始信號(hào)，為連續(xù)小波系數(shù)?？紤]到不同小波的特征,分別采用墨西哥帽(Mexican hat)小波和Morlet小波進(jìn)行連續(xù)小波變換，墨西哥帽小波和Morlet小波分別表示為
墨西哥帽小波基函數(shù)福=^-=^-(1 -,(2)
Morlet 小波基函數(shù)_ = cos(5x)⑶
第三階段基于小波系數(shù)譜，構(gòu)建若干已知地物的基于時(shí)間維的小波方差譜與基于尺度維的小波方差譜
考慮到不同的小波基的特點(diǎn)，從基于墨西哥帽小波變換生成的小波系數(shù)譜中計(jì)算基于時(shí)間的小波方差，基于Morlet小波變換生成的小波系數(shù)譜中計(jì)算基于尺度的小波方差，從 而分別建立若干已知地物的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜，分別表示為
W(a) = —^T (W(a,h)~ w(a')')2(4)
n -1 ,_i
W (p) 二 -1—T (W(a,h)^ wQ>")f(5)
n — I ,.1
其中、w(b)分別表示某個(gè)時(shí)刻或某個(gè)尺度上小波系數(shù)的平均值。第四階段建立整個(gè)研究區(qū)所有研究單元的基于時(shí)間維的小波方差譜與基于尺度維的小波方差譜
依次對(duì)研究區(qū)所有研究單元，逐步按照步驟一至三建立待分類(lèi)影像的基于時(shí)間維的小波方差譜與基于尺度維的小波方差譜。第五階段確定最適宜影像分類(lèi)的時(shí)間域與尺度域區(qū)間
基于若干已知地物之間的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜的區(qū)分度最大化的原則，選取合適的時(shí)間域與尺度域區(qū)間，作為下一步分類(lèi)判斷的基礎(chǔ)。實(shí)施例中距離的判斷以Jeffries - Matusita distance (簡(jiǎn)稱(chēng)身距離)為例進(jìn)行說(shuō)明，利用身距離計(jì)算逐個(gè)時(shí)間段內(nèi)若干已知地物的基于時(shí)間維的小波方差譜的距離，匯總獲得不同時(shí)間段內(nèi)若干已知地物基于時(shí)間維的小波方差譜的距離和，在排序比較的基礎(chǔ)上選取若干已知地物基于時(shí)間維的小波方差譜的距離和的數(shù)值最大的時(shí)間區(qū)間，作為下一步分類(lèi)的基礎(chǔ)；依據(jù)同樣的步驟確定最適宜影像分類(lèi)的尺度域區(qū)間。/#距離計(jì)算公式為
觀(guān)(CjjCk) = jxQp(x\c. - P(X^k) dx(6)
其中，&和Ck為兩個(gè)已知樣本的基于時(shí)間維的小波方差譜或基于尺度維的小波方差
譜，進(jìn)一步定義距離的值域區(qū)間為
，其中0為低區(qū)分度(高相似度)，2為高區(qū)分度(低相似度)，公式表示為JM = ZO-e~s)(7)
其中
B^ lD + Jln f^J+z^k /^A\Ek\j(8)
D2 =(馬.-A)(9)
K1-)
式中巧，柃分別表示兩個(gè)已知地物的基于時(shí)間維的小波方差(或基于尺度維的小波方
差)的數(shù)學(xué)期望值，，1^為已知地物j 和地物a在某個(gè)時(shí)間區(qū)間(或尺度區(qū)間)的基于時(shí)間維的小波方差(或基于尺度維的小波方差)的協(xié)方差值。
匯總獲得不同時(shí)間區(qū)間(尺度區(qū)間)若干已知地物基于時(shí)間維的小波方差(或基于尺度維的小波方差)的距離和，公式為
^ -lItE I 輯h,do)
訊 IW — I) J.1 *./+1
其中為已知地物的個(gè)數(shù)，為第J'和々類(lèi)的/#距離。第六階段建立綜合判別體系，實(shí)現(xiàn)遙感影像半自動(dòng)分類(lèi)
依據(jù)步驟五所確定的最適宜時(shí)間域范圍內(nèi)，逐像元分別計(jì)算每個(gè)待分像元與每個(gè)已知地物的基于時(shí)間的小波方差譜的/#距離，表示為
D JM=~ 為)(11)
V !-1
其中h為某像元在某時(shí)刻i的基于時(shí)間維的小波方差4力某個(gè)已知地物在該時(shí)刻
的基于時(shí)間維的小波方差值，i的取值區(qū)間為步驟五所確定的最適宜時(shí)間域范圍。圖2描述了建立綜合判別體系的具體流程，首先依據(jù)基于時(shí)間的小波方差譜進(jìn)行判別，如果未能獲得合適的分類(lèi)結(jié)果，則進(jìn)一步基于尺度的小波方差譜進(jìn)行識(shí)別。具體步驟為首先，針對(duì)每個(gè)待分像元，選取其與某個(gè)已知地物的基于時(shí)間維的小波方差譜的/#距離最小的那個(gè)地物類(lèi)型，并且進(jìn)一步判斷其距離是否在某個(gè)合理的閾值6范圍內(nèi)，如果是，則判分該像元屬于這種地物類(lèi)型，可表示為
(/ in(JD n , D T_2 ——D j.B) < & &, Min、D r_2....D『. ) = D T^) (12) then Type = J
其中表示待分像元與若干已知地物GV=7,名…的基于時(shí)間維的小波方差譜的/#距離。如果該待分像元與所有已知地物的基于時(shí)間維的小波方差譜的距離均在某個(gè)閾值范圍外，則進(jìn)一步計(jì)算該待分像元與所有已知地物的基于尺度維的小波方差譜的/#距離，表示為
權(quán)利要求
1.ー種基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，其特征在于，包括以下步驟 步驟I :基于一定時(shí)間步長(zhǎng)為間隔的年內(nèi)時(shí)序變化系列遙感影像數(shù)據(jù)集，建立若干已知地物的年內(nèi)時(shí)序變化原始圖譜； 步驟2 :分別基于Morlet小波和墨西哥帽小波，對(duì)已知地物的年內(nèi)時(shí)序變化原始圖譜進(jìn)行連續(xù)小波變換，獲得基于Morlet小波變換的小波系數(shù)譜和基于墨西哥帽小波變換的小波系數(shù)譜； 步驟3 :利用基于墨西哥帽小波變換的小波系數(shù)譜計(jì)算基于時(shí)間維的小波方差，利用基于Morlet小波變換的小波系數(shù)譜計(jì)算基于尺度維的小波方差，從而分別建立所述若干已知地物的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜； 步驟4 :導(dǎo)入待分類(lèi)影像，參照步驟f 3，建立待分類(lèi)影像中每個(gè)柵格単元的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜； 步驟5 :分別基于所述若干已知地物類(lèi)型的類(lèi)間區(qū)分度最大化的原則，以基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜為依據(jù)，確定最適宜分類(lèi)的時(shí)間域與尺度域區(qū)間，作為下一歩分類(lèi)判別的基礎(chǔ)； 步驟6 :依據(jù)基于時(shí)間維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的時(shí)間域范圍內(nèi)，計(jì)算待分像元與每種已知地物的基于時(shí)間維的小波方差譜的圖像相似度或分離度，如果所述待分像元與某種已知地物的基于時(shí)間維的小波方差譜的距離最小且距離在設(shè)定的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型； 否則，進(jìn)一歩依據(jù)基于尺度維的小波方差譜的圖像相似度或分離度判斷所述待分像元屬于哪種已知地物類(lèi)型在所確定的最適宜分類(lèi)的尺度域范圍內(nèi)，計(jì)算待分像元與每種已知地物的基于尺度維的小波方差譜的圖像相似度或分離度，如果所述待分像元與某種已知地物的基于尺度維的小波方差譜的距離最小且距離在設(shè)定的閾值范圍內(nèi)，則判斷所述待分像元為該已知地物類(lèi)型； 如果依據(jù)基于時(shí)間維的小波方差譜以及基于尺度維的小波方差譜均未能獲得合理的分類(lèi)結(jié)果，則進(jìn)一步補(bǔ)充研究區(qū)中的已知地物類(lèi)型，直至研究區(qū)每個(gè)像元均獲得合理的分類(lèi)結(jié)果為止。
2.根據(jù)權(quán)利要求I所述的基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，其特征在干，綜合從小波系數(shù)譜中提取的基于時(shí)間維的小波方差譜和基于尺度維的小波方差譜，作為遙感影像半自動(dòng)分類(lèi)的依據(jù)。
全文摘要
本發(fā)明涉及一種基于連續(xù)小波變換的時(shí)序遙感影像半自動(dòng)分類(lèi)方法，該方法首先建立若干已知地物的年內(nèi)時(shí)序變化原始圖譜，對(duì)其進(jìn)行連續(xù)小波變換，獲得小波系數(shù)譜，在此基礎(chǔ)上建立基于時(shí)間維的小波方差譜及基于尺度維的小波方差譜，同時(shí)建立整個(gè)研究區(qū)所有研究單元的基于時(shí)間維的小波方差譜及基于尺度維的小波方差譜，然后依據(jù)已知地物的小波方差譜的類(lèi)間差異性最大化原則，分別確定最適宜影像分類(lèi)的時(shí)間域與尺度域區(qū)間，最后通過(guò)建立綜合判別體系，實(shí)現(xiàn)遙感影像半自動(dòng)分類(lèi)。該方法可以有效地提取時(shí)序遙感影像在時(shí)間維和尺度維上的特征，具有較少依賴(lài)先驗(yàn)知識(shí)、魯棒性好、分類(lèi)精度好、自動(dòng)化程度高等特點(diǎn)。
文檔編號(hào)G06K9/62GK102982345SQ201210460579
公開(kāi)日2013年3月20日 申請(qǐng)日期2012年11月16日 優(yōu)先權(quán)日2012年11月16日
發(fā)明者邱炳文, 鐘鳴 申請(qǐng)人:福州大學(xué)